AI BENCHY Compare
DeepSeek: DeepSeek V3.2 vs xAI: Grok Build 0.1
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-05-22
| 指標 | DeepSeek V3.2 DeepSeek V3.2 medium | Grok Build 0.1 Grok Build 0.1 none |
|---|---|---|
| スコア | 7.0 | 6.6 |
| 順位 | #71 | #82 |
| 信頼性 | 9.1 | 10.0 |
| 一貫性 | 7.6 | 8.0 |
| 正解テスト | ||
| 試行ごとの合格率 | 69.2% | 60.4% |
| 不安定なテスト | 6 | 4 |
| 総実行回数 | 60 | 57 |
| 結果あたりのコスト | 0.334 | 7.805 |
| 合計コスト | $0.037 | $0.547 |
| ???? | $0.252 / 1M | $1.000 / 1M |
| ???? | $0.378 / 1M | $2.000 / 1M |
| 出力トークン | 7,049 | 267,275 |
| 推論トークン | 68,203 | 0 |
| 応答時間（平均） | 53.21s | 28.69s |
| 応答時間（最大） | 189.03s | 138.35s |
| 応答時間（合計） | 1064.26s | 459.00s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 9.2 | 10.0 | 100.0% | 0 | 24.23s | 3,247 | 6,953 | |
| Grok Build 0.1 | 8.7 | 7.9 | 91.7% | 1 | 6.30s | 11,162 | 0 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.9 | 5.8 | 33.3% | 1 | 184.97s | 640 | 21,230 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 21.41s | 16,568 | 0 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 93.11s | 571 | 6,296 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 36.09s | 207 | 7,693 | |
| Grok Build 0.1 | 4.7 | 1.6 | 66.7% | 1 | 9.33s | 6,359 | 0 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 4.4 | 22.2% | 2 | 24.27s | 21 | 6,838 | |
| Grok Build 0.1 | 3.6 | 7.2 | 22.2% | 1 | 103.71s | 179,469 | 0 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.8 | 2.5 | 50.0% | 1 | 58.29s | 49 | 2,189 | |
| Grok Build 0.1 | 4.3 | 10.0 | 0.0% | 0 | 12.47s | 6,647 | 0 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 35.78s | 1,397 | 2,845 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 7.36s | 8,970 | 0 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.7 | 5.0 | 66.7% | 2 | 36.87s | 390 | 6,281 | |
| Grok Build 0.1 | 6.4 | 7.7 | 55.6% | 1 | 9.55s | 14,982 | 0 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 507 | 859 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 83.99s | 20 | 7,019 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 36.09s | 23,118 | 0 |
クイック比較
比較ペアを切り替え
Qwen3.6 27BmediumvsGrok Build 0.1noneDeepSeek V4 ProhighvsGrok Build 0.1noneClaude Sonnet 4.6nonevsDeepSeek V3.2mediumKimi K2.5mediumvsGrok Build 0.1noneGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneDeepSeek V3.2mediumvsQwen3.6 Max PreviewnoneDeepSeek V3.2mediumvsRing-2.6-1TnoneDeepSeek V3.2mediumvsGemma 4 31Bnone無料で利用可能DeepSeek V3.2mediumvsGemini 3.1 Flash LiteminimalGPT-5 MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-OmnimediumMercury 2mediumvsGrok Build 0.1none